基于T-S模型模糊神經網絡的入侵檢測方法研究.pdf

1、入侵檢測作為動態(tài)安全技術中的核心技術之一，能夠實時地全面監(jiān)控網絡、主機和應用程序的運行狀態(tài)，主動對計算機、網絡系統(tǒng)中的入侵行為進行識別和響應，提供了對內部攻擊、外部攻擊和誤操作的實時檢測，有效彌補了傳統(tǒng)安全防護技術的不足。通過構建動態(tài)的安全循環(huán)，可以最大限度地提高系統(tǒng)的安全性，減少安全威脅對系統(tǒng)帶來的危害。因此，入侵檢測研究在計算機網絡安全領域得到了廣泛關注和重視。 本文分析了在新的網絡環(huán)境中傳統(tǒng)入侵檢測方法面臨的困境，并針對目

2、前入侵檢測中所存在的問題，提出了一種新的檢測算法——基于T-S模型模糊神經網絡的網絡入侵檢測算法。該算法利用T-S模型模糊神經網絡對目標進行聚類，將目標特征空間進行劃分，以識別出正常與入侵行為。通過大量研究和實驗對Takagi-Sugeno(T-S)型模糊神經網絡進行了詳細的分析，結合BP算法思想實現(xiàn)了針對T-S模型的網絡隸屬函數參數的訓練算法，將遺傳算法用于權值學習，得到更快速、有效的模糊神經網絡。以網絡入侵檢測研究為出發(fā)點，將T-S